PAPER MANAJEMEN INDUSTRI FORECASTING

Nama NIM

: Diwangkara Bagus Nugraha : 36346

JURUSAN TEKNIK ELEKTRO dan TEKNOLOGI INFORMASI FAKULTAS TEKNIK UGM 2011

I.

PENDAHULUAN

Setiap hari, para manajer membuat keputusan tanpa mengetahui dengan pasti tentang apa yang akan terjadi di masa depan. Stok barang (persediaan) dipesan tanpa seorang pun sebenarnya tahu berapa jumlah yang akan terjual, mesin baru dibeli walaupun belum tahu permintaan atas barang yang diproduksi, investasi demi investasi dilakukan meskipun keuntungannya belum pasti. Para manajer dan pembuat keputusan selalu mencoba mengurangi ketidakpastian ini dengan membuat estimasi atas apa yang akan terjadi di masa depan. Estimasi atas apa yang akan terjadi di masa depan merupakan tujuan utama dari forecasting. Kebutuhan akan peramalan semakin meningkat sejalan dengan keinginan manajemen untuk memberikan tanggapan yang cepat dan tepat terhadap peluang maupun perubahan di masa mendatang. Suatu peramalan sangat ditentukan oleh horizon waktu, tipe pola data (constant,trend, musiman dan kombinasi) dan berbagai aspek lainnya.

II.

PENGERTIAN FORECASTING

Forecasting adalah proses/analisis untuk memperkirakan masa depan dengan metode tertentu dan mempertimbangkan segala variable yang mungkin bepengaruh di dalamnya. Forecasting merupakan estimasi atau perkiraan tentang hal yang paling mungkin terjadi di masa mendatang. Selain itu, forecasting merupakan bagian dari future research. Forecasting bersifat eksploratif dan berkaitan dengan apa yang mungkin terjadi di masa depan. Forecasting di sisi lain, merupakan perhitungan objektif dengan menggunakan data-

data masa lalu untuk menentukan kondisi masa yang akan datang. Dengan demikian, forecasting menggambarkan peristiwa atau kondisi di masa datang. Tujuan dari forecasting sendiri adalah meminimalisasi resiko dan faktorfaktor ketidakpastian. Tingkat akurasi dari sebuah forecasting sangat bernilai sekali. Apabila hasil peramalannya tepat maka perusahaan dapat menghemat biaya biaya yang ditimbulkan dalam peramalan. Peramalan yang kecil dapat mengurangi profit dari perusahaan. Sedangkan peramalan yang besar dapat menyebabkan terjadinya biaya simpan akibat beberapa produk tidak terjual di pasaran.

Forecasting dalam Horizon Waktu

Peramalan di bagi menjadi peramalan jangka pendek, jangka menengah dan jangka panjang. 1. Peramalan Jangka Pendek Peramalan jangka pendek dapat digunakan untuk merencanakan

pembelian,penjadwalan kerja,jumlah tenaga kerja,tingkat produksi,dll. Jangka waktu hingga 1 tahun tetapi umumnya kurang dari 3 bulan 2. Peramalan Jangka Menengah Peramalan Jangka Menengah dapat digunakan untuk merencanakan penjualan, anggaran produksi, anggaran kas. Jangka waktu bulanan hingga 3 tahun. 3. Peramalan Jangka Panjang Peramalan Jangka Panjang dapat digunakan untuk merencanakan produk baru, pengembangan pabrik, research and development. Jangka waktu di atas 3 tahun.

Tipe Forecasting
Tipe-tipe peramalan atau forecasting ada 3: Economic Forecast

Merencanakan indicator ekonomi yang berguna membantu organisasi untuk menyiapkan peramalan Technological Forecast

Peramalan jangka panjang yang memperhatikan tingkat kemajuan teknologi Demand Forecast

Meramalkan penjualan suatu perusahaan pada setiap periode dalam horizon waktu

III. METODE FORECASTING

Metode-metode forecasting diharapkan mampu memetakan hal yang mungkin terjadi di masa yang akan datang. Beberapa metode forecasting adalah metode kualitatif, metode kuantitatif, dan metode kausal.

A.

Metode Kualitatif

Metode peramalan dapat diklasifikasikan menjadi dua kategori, yaitu Kualitatif dan Kuantitatif. Metode kualitatif ini merupakan metode untuk melakukan forecast tapi tanpa data-data historis (periode penjualan sebelumnya). Misalnya kita baru saja mendirikan perusahaan. Kita tidak tahu berapa yang akan kita jual untuk periode berikutnya, kita bisa

memprediksinya dengan melakukan forecasting.

Contoh metode Kualitatif Forecasting: 1. Delphi Method

peramalan yang menggunakan proses kelompok (expert,employee,respondent) dimana para pakar/ekspert melakukan peramalan. Kekurangannya adalah mahal dan memakan banyak waktu. Kelebihannya adalah dengan kerja kelompok proses peramalan akan dapat lebih mudah dikerjakan. 2. Market Research:

Metode peramalan dengan meminta input dari para konsumen mengenai rencana pembelian mereka di masa yang akan datang. Metode ini dilakukan dengan cara: 3. Panel Kuisioner test market survey Sales Force Composit

Teknik peramalan berdasarkan prediksi tenaga penjualan terhadap besarnya penjualan yang memungkinakan dimasa yang akan datang 4. Product life-cycle analogy:

Peramalan berdasarkan daur hidup dari produk,jasa atau proses yang sejenis 5. Expert judgement

Peramalan yang dilakukan oleh sekelompok manajemen tingkat atas atau orang yang sudah berpengalaman

B.

Metode Kuantitatif

Pada metode kuantitatif, kita bisa menggunakan data data periode historis (periode sebelumnya untuk melakukan peramalan). Tentu saja ada model dan perhitungan matematisnya untuk memprediksi hasil forecast. Beberapa model metode peramalan kuantitatif antara lain:

Nave Approach
Teknik peramalan yang mengasumsikan permintaan di periode mendatang sama dengan permintaan pada periode terakhir

Moving Average
Metode peramalan yang menggunakan rata-rata dari sejumlah (n) data terkini untuk meramalkan periode mendatang Contoh: Bulan Penjualan Aktual Januari Februari Maret April 20 30 45 31,7 (20+30+45)/3 = 31.7 Rata rata bergerak 3 bulan

Exponential Smoothing
Metode rata-rata bergerak yang memberikan bobot yang lebih kuat pada data yang lebih terakhir dari pada yang lebih awal.

Rumus:

Perbandingan Metode Kualitatif dan Kuantitatif

Qualitative Forecasting bersifat subjektif, berdasarkan pendapat dan keputusan dari consumer maupun ahli. Metode Kualitatif ini tepat digunakan ketika tidak ada data acuan di masa lalu. Metode ini sering digunakan untuk menentukan keputusan yang jangakauannya menengah hingga jauh ke depan. Quantitative forecasting digunakan untuk memprediksi permintaan di masa depan dengan melihat data di masa lalu. Metode ini dapat digunakan jika ada data acuan. Metode ini sering digunakan untuk menentukan keputusan jarak dekat.

C.

Causal Forecasting
Beberapa metode forecasting dilakukan dengan mengidentifikasi

faktor-faktor yang mungkin mempengaruhi variable yang sedang diramal. Salah satu contohnya, informasi mengenai kondisi cuaca dapat dikembangkan untuk kemampuan memprediksi penjualan payung atau jas hujan. Contoh lainnya, penjualan harian atas minuman X mungkin ternyata dipengaruhi oleh faktor suhu, musim, tingkat kelembapan udara, dan cuaca secara harian, serta dipengaruhi juga oleh faktor jenis hari kerja atau hari akhir pekan/hari libur.Contoh sebuah model kausal ini akan memasukkan faktor-faktor suhu,

musim, tingkat kelembapan udara, cuaca dan jenis hari ke dalam sebuah model yang meramalkan jumlah penjualan minuman secara harian. Sebagai contoh, Model kausal, seperti halnya model time series,dapat menggunakan data saat ini dan data masa lalu.Secara teknis, model kausal dapat diaplikasikan menggunakan metode regression analysis dan multiple regression.